航向角约束的手机RTK航位推算融合定位模型全文替换

针对手机RTK定位易受环境影响以及航位推算过程中航向角易发散问题,设计了一种基于航向角约束的手机RTK航位推算融合定位模型。在对惯性传感器数据进行时间对齐、筛选、离散低通滤波等预处理的基础上,采用直接法卡尔曼滤波对位置和速度进行估计。在滤波过程中连续跟踪IMU航向角,根据IMU航向角变化量实时判定运动状态,并在直线阶段对手机航向角进行修正,来进一步抑制误差。本文进行了8组室外步行定位实验,实验结果表明：航向角修正后航位推算的方向准确度显著提升,定位轨迹与基准更加一致;表现在平面定位精度上,RTK精度1.491 m,融合定位精度在航向角修正前为1.558 m,修正后1.403 m。航向角的修正能够有效抑制航位推算的误差积累,从而使融合定位模型获得更优的定位估计。     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

一种基于蓝牙室内指纹定位的贝叶斯改进算法

贝叶斯估计是重要的位置指纹定位算法,但传统的等值贝叶斯先验概率在动态定位中不适用。针对该问题,本文提出了一种基于贝叶斯指纹定位的改进算法。首先,借助陀螺仪获取的航向信息和高斯核函数模型建立概率投票算法,计算先验概率;然后,结合先验概率和信号强度计算待测点位于参考点上的后验概率;最后,选取概率最高的参考点,以概率为权重计算待测点的最或然值。以智能手机为试验对象,在规则路径试验中,改进算法的平均定位误差为1.15 m,定位误差小于2 m的概率为96.1%,不规则路径试验中,平均定位误差为0.50 m,定位误差在1 m的可信度为94.8%;并且改进算法对定位中位置跳变的现象有明显改善,具有较好的稳健性。     

BDS中长距离非差实时动态厘米级定位算法

针对BDS常规实时动态定位(RTK)中,随着流动站与参考站间的距离增加,大气延迟误差的空间相关性大大降低,影响了整周模糊度的快速解算和流动站位置信息的解算精度问题。该文研究了一种基于非差观测误差的BDS中长距离常规RTK定位算法,采用非差误差改正方法为流动站提供误差改正,利用参考站的非差误差改正数以单颗卫星为对象进行误差改正。对电离层延迟误差和相对天顶对流层延迟误差进行参数估计,处理电离层延迟误差和对流层延迟误差的影响。最后通过BDS实测数据对该算法进行了算法验证和结果分析。实验结果表明,该算法可以实现BDS中长距离常规RTK的快速定位,并获得厘米级定位精度。     

GNSS+INS组合定位在矿山无人驾驶卡车的应用

面向矿山无人驾驶卡车场景,针对GNSS定位不连续且容易被干扰、INS存在累计误差的缺点,本文提出了一种基于GNSS+INS组合的导航算法,该算法融合了两种算法的优点,提高了定位的精度和可靠性。分别将RTK算法和组合导航算法结果与开源软件RTKLIB和NovAtel板载输出结果对比。试验结果表明,本文算法在精度上与NovAtel板载输出结果基本持平,明显优于RTKLIB软件。本文算法平面和高程误差均值及STD均优于5 cm,姿态误差均值和STD优于1°,可以满足矿用无人驾驶卡车的定位精度需求。     

基于四元数法的航向修正算法分析

目前载体的姿态解算已成为捷联式惯性导航系统精确导航的研究热点。为了减少由于陀螺仪漂移带来的航向误差,提出了一种基于启发式漂移消除算法(HDE)的改进航向修正方法。该方法采用四元数法解算载体航向,利用行人在室内环境下,行走直线时航向角偏差直接对行人航向进行修正,然后推算行人航向轨迹。实验采用低成本的智能手机,对比分析了不同采样频率以及二阶龙格-库塔法与四阶龙格-库塔法更新四元数解算航向角的精度,试验结果表明,提高采样频率能减小航向解算误差,提高定位精度。该算法对导航定位研究有一定的参考价值。      

地图匹配辅助的KF-PF室内定位算法模型

针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。     

卡尔曼滤波的中长基线非差RTK算法

针对实时动态定位(RTK)中作业范围受到大气延迟误差制约的现象,该文提出了一种基于卡尔曼滤波的非差观测模型RTK算法和非差改正数的计算方法。利用扩展卡尔曼滤波函数模型,将残余的相对对流层延迟、相对电离层延迟同流动站位置参数以及单差整周模糊度作为状态向量进行卡尔曼滤波估计。非差观测模型利用参考站的非差误差改正数以单颗卫星为对象进行误差改正,流动站接收数据小,算法简单。通过GNSS实测数据对该算法进行了算法验证和结果分析,实验结果表明,对于中长基线,利用非差观测模型可实现GNSS单参考站RTK定位,并获得厘米级的定位精度。     

复杂环境下智能手机RTK+PDR融合定位

针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。     

基于航迹推算的室内行人地图辅助定位方法

行人航迹推算(PDR)是室内定位领域中应用最广泛,最廉价有效的一种定位方法,但其误差会随时间而累积。为了有效减少航迹推算的累计误差,基于航迹推算原理建立了粒子滤波模型,辅以室内地图约束粒子传播方向;同时提出虚拟路标匹配算法克服传统定位方法中由于航向角变化误差模型不准确导致定位失败的缺点。结果表明,该算法可以有效的提高航迹推算的稳健性。     

多传感器行人航位推算方法和UKF融合算法

针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。     

室内行人移动行为识别及轨迹追踪

作为室内位置服务的基础,室内定位技术近年来得到了广泛的关注。针对现有室内定位技术存在成本高、精度有限以及效率不足等问题,提出了一种融合人类活动识别、行人航迹推算(pedestrian dead recko-ning,PDR)以及地标匹配修正等技术的室内行人位置推算方法。该方法使用基于智能手机的PDR技术来估算用户的位置信息,而人类活动识别技术则用来感知用户室内移动行为中的特定地标,利用这些地标信息来辅助修正PDR轨迹中产生的累积误差。此外,为了解决用户初始位置未知的问题,引入隐式马尔科夫模型进行推断,并提出了一种顾及室内环境特征的维特比算法来确定用户轨迹。实验结果显示,所提方法在提高室内行人移动行为识别和定位精度的同时,有效实现了用户室内轨迹的追踪。     

基于手机传感器和互补滤波的行人航向解算

目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题,本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值,实时调节PI调节器的误差补偿系数,对预处理后加速度计和磁力计数据解算的航向角进行补偿,并与陀螺仪数据互补滤波融合,得到融合后的航向角。试验基于低成本智能手机,分别在磁场强弱环境下采集手机传感器数据,对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明,在室内磁干扰较强的环境下,本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%,平均航向误差分别减小了3.4°和1.8°,验证了本文算法有较好的抗磁干扰性能,提高了行人航向角解算的可靠性。     

基于众源轨迹数据的行人路网提取

目前,导航位置服务应用提供的路线大多基于机动车道路网数据,难以满足行人导航的需求,有无完备的行人道路网络成为制约行人导航应用的重要因素,因此,本文提出了一种基于莫尔斯理论的行人路网提取方法。首先对轨迹进行预处理,清除轨迹数据中的冗余和噪声,并对原始轨迹进行合理分割,形成清晰的轨迹集合;然后利用莫尔斯理论,对步行轨迹密度图中的“山脊线”进行提取,并重构步行道路网。试验分析时采用深圳大学校园步行GPS轨迹数据进行行人路网提取,通过将提取的行人路网结果与OpenStreetMap（OSM）数据进行定性和定量比较,验证本文方法的有效性;同时通过与当前典型的路网提取方法进行对比分析发现,本文方法能提取出高质量的行人路网。     

GNSS RTK技术下海洋平台桩腿动态变形监测及数据处理

海洋平台及其桩腿在长期使用中存在着波浪、海流、风荷载等环境激励作用下的动态响应。本文以海星达H32全能型GNSS RTK双频接收机为试验仪器,采用GPS+GLONASS+BDS三星系组合系统对位于渤海海域的埕岛油田某平台桩腿进行动态变形监测。结合Ensemble Empirical Mode Decomposition(EEMD)和Butterworth滤波方法的降噪特性,提出一种适用于海洋平台工作环境的新型混合滤波方法 MDB,并用Matlab软件编制的程序对GNSS RTK监测数据进行分析,得到桩腿测点的实时振动位移曲线。结果表明:GNSS RTK结合MDB滤波技术用于海洋平台桩腿动态变形监测是可行的;MDB滤波器能有效去除海洋平台振动信息的随机噪声和多路径误差;从去除多路径误差和随机噪声之后的海洋平台桩腿测点位移云图,可以非常清楚地看出桩腿在环境激励作用下水平方向产生的可逆位移轨迹,这对海洋平台结构健康监测、诊断和评估具有重要意义。     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。     

长距离GPS/BDS双系统网络RTK方法

基于区域参考站网的网络实时动态定位(real-time kinematic,RTK)方法是实现全球定位系统(global positioning system,GPS)、北斗卫星导航系统(BeiDou satellite navigation system,BDS)高精度定位的主要手段.研究了一种长距离GPS/BDS双...